Questões de Estatística - Cálculo de Probabilidades para Concurso
Foram encontradas 2.464 questões
Considere o seguinte:
1. Não viesado - ; 2. Consistência - para qualquer ; 3. Suficiência - quando a função de densidade de probabilidade conjunta condicional das observações amostrais, dado , não depende do parâmetro ; 4. Variância Mínima - um estimador é de variância mínima de se para qualquer outro estimador . 5. Normalidade – os parâmetros devem distribuir-se conforme a distribuição normal padrão.
Informe se é verdadeiro (V) ou falso (F) o que se afirma a seguir e assinale a alternativa com a sequência correta.
( ) U tem distribuição qui-quadrado com k graus de liberdade. ( ) V tem distribuição t de Student com k graus de liberdade. ( ) W é a soma de k variáveis aleatórias normal padrão. ( ) U tem distribuição qui-quadrado com (k-1) graus de liberdade. ( ) L tem distribuição F de Snedecor.
e considerando as variáveis aleatórias X e Y e a função de densidade conjunta, é correto afirmar que
Tabela – Resultados da pesquisa quanto à prevenção de alagamentos e erosões
Satisfeitos (com as Insatisfeitos (com as medidas) medidas) C 1500 2500 S 2500 1500 R 500 1500
Definindo os eventos: A : a pessoa escolhida vive na cidade B: a pessoa não aprova as medidas de prevenção de alagamentos e erosões do município.
Diante do exposto, a probabilidade do evento é
( ) As duas distribuições normais acima apresentam média 2 e 4 e desvio padrão de 10. ( ) A probabilidade de encontrar um valor entre -1σ e +1 σ é maior na distribuição onde σ = 2. ( ) Nos dois processos representados pela distribuição normal, a que apresenta σ = 4 detém o maior índice de confiabilidade de processo, porque este apresenta a menor variabilidade quando comparado ao processo representado pela distribuição normal onde σ = 2 . ( ) As duas distribuições normais acima apresentam média de 10 e desvio padrão de 2 e 4.
Na estimação pelo método de máxima verossimilhança, geralmente, o método de Newton-Rapson é utilizado para encontrar as estimativas dos parâmetros. X é uma variável aleatória definida sob um espaço de probabilidade (Ω, σ, P)com x ∈ Ω e função de densidade de probabilidade ƒ (x, θ) , onde θ ∈ R; X = (x1, x2, ... , xn) é uma amostra aleatória de X e ƒ(xi , θ) a função de verossimilhança. Suponha que a estimativa de máxima verossimilhança de θ, , satisfaz . Sendo a estimativa de θ, após a iteração k do algoritmo, então:
Calcule a distribuição de probabilidade de X1 na cadeia de Markov com espaço de estados E = {0; 1; 2; 3}, distribuição inicial u0 = {(0,2 0,4 0,3 0,1)} e matriz de probabilidade de transição definida por